[发明专利]一种用户行为的机器学习模型的训练方法及装置有效
| 申请号： | 201310247161.6 | 申请日： | 2013-06-20 |
| 公开（公告）号： | CN104239351B | 公开（公告）日： | 2017-12-19 |
| 发明（设计）人： | 何宪;殷维栋;孟晓楠 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京安信方达知识产权代理有限公司11262 | 代理人： | 解婷婷,栗若木 |
| 地址： | 英属开曼群岛大开*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用户行为的机器学习模型的训练方法及装置，无需特征降维即可解决数据稀疏问题，提高用户行为预测的准确性。该方法包括收集用户的历史访问数据；将用户的历史访问数据按照包含有一个或多个维度的特征集进行分类聚合，形成多个样本；计算每一样本对应的用户行为统计信息，用户行为统计信息包括用户流量数；当当前样本对应的用户流量数小于流量数第一阈值时，计算当前样本与其他样本的距离；选择距离小于距离阈值的其他样本作为当前样本的邻近样本；将当前样本的用户行为统计信息与邻近样本的用户行为统计信息合并生成新样本；使用新样本训练预先建立的机器学习模型，机器学习模型用于根据特征集在各维度下的特征值预测用户行为。 | ||
| 搜索关键词： | 一种 用户 行为 机器 学习 模型 训练 方法 装置 | ||
【主权项】：
一种用户行为的机器学习模型的训练方法，其特征在于，包括：收集用户的历史访问数据；将用户的历史访问数据按照包含有一个或多个维度的特征集进行分类聚合，形成多个样本；计算每一样本对应的用户行为统计信息，所述用户行为统计信息包括用户流量数；当当前样本对应的用户流量数小于流量数第一阈值时，计算当前样本与其他样本的距离，所述距离由当前样本对应特征集在各维度下的特征值与其他样本对应特征集在各维度下的特征值确定；选择距离小于距离阈值的其他样本作为当前样本的邻近样本；将当前样本的用户行为统计信息与邻近样本的用户行为统计信息合并生成新样本；使用新样本训练预先建立的机器学习模型，所述机器学习模型用于根据所述特征集在各维度下的特征值预测用户行为。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310247161.6/，转载请声明来源钻瓜专利网。
